OOD detection 指的是模型能够检测出 OOD 样本，而 OOD 样本是相对于 In Distribution (ID) 样本来说的。传统的机器学习方法通常的假设是模型训练和测试的数据是独立同分布的(IID, …

ODIN方法（Enhancing The Reliability of Out-of-distribution Image Detection in Neural Networks）首先使用了梯度信息用于OOD检测，通过对输入增加一些小的扰动，检测梯度的 …

2023年11月3日 · 超出分布（ood）检测的核心是学习与ood样本可区分的内部分布（id）表示。 先前的工作应用了基于识别的方法来学习ID特征，但往往学习了捷径而不是全面的表示。

2022年1月12日 · 在ood检测的场景中，适形预测框架变得特别有见地：由适形预测方法生成的更宽的预测区间或更低的置信水平可以作为ood数据的指标。 在多类别设定下，典型的OOD检测 …

We address this problem in the scenario where we only have access to images from the target domains. Motivated by the challenges of the OOD-CV [45] benchmark where we encounter …

本文以图像识别为应用背景, 系统分析并梳理OOD检测的最新研究成果.首先介绍OOD检测的概念及其相关研究领域, 根据网络训练方式的差异性对有监督的检测方法、半监督的检测方法、无监 …

Zero-shot out-of-distribution (OOD) detection is a task that detects OOD images during inference with only in-distribution (ID) class names.

In our extensive experiments, it is noteworthy that masked image modeling for OOD detection (MOOD) out-performs the current SOTA on all four tasks of one-class OOD detection, multi …

🔍 OOD detection aims to identify when a model is presented with inputs that deviate from its training distribution. This allows systems to flag unusual cases for human review or fallback …

2023年2月6日 · Specifically, we take Masked Image Modeling as a pretext task for our OOD detection framework (MOOD). Without bells and whistles, MOOD outperforms previous SOTA …